DeepSeek 开源推理代码将华为昇腾与 Nvidia GPU 列为同级构建目标

NextFin News — 过去，芯片偏好往往在写下第一行服务代码之前就已确定。团队围绕某一家厂商的工具进行规划，然后再考虑能否让其他方案跑起来。DeepSeek 推出的一款开放式推理软件包试图颠倒这一顺序。Huawei Ascend 处理器和 Nvidia 当前的数据中心 GPU 都被列为同等的构建目标。同一项目代码树旨在同时适配两者。按照已公布的设计，在它们之间迁移工作负载，更像是切换配置开关，而不是分叉整套技术栈。

如果这一方案经受住了负载考验，中国机房里需要考虑的实际问题就会改变。问题不再是“能否迁移到国产芯片？”，而是“这个季度我们实际能买到哪种板卡、能为它供电，并用付费流量将其跑满？”

这个问题在推理服务环节尤为突出。训练仍然更青睐深厚成熟的软件生态和紧密的多芯片互联；一次代码库发布并未抹去现有厂商在这方面的领先优势。推理则更直接：模型权重固定，用户为产出的 token 付费。延迟、每百万 token 的成本、正常运行时间，以及机架的利用率，决定了谁能胜出。在这方面，替代加速器长期以来都比在训练集群中更具可行性——前提是软件不再把它们当作事后补充。

DeepSeek 的此次发布正是针对这一环节。将两类硬件纳入同一支持级别，降低了供应趋紧时保持灵活性的成本。贸易报道曾称，中国大型互联网公司持续大量采购 Nvidia 零部件，其中包括被用于 AI 任务、而非纯训练用途的产品。交付延迟时，双路径软件就是一种对冲。新项目可以在同一运营模型内权衡价格、交货时间和政策限制，而不必为每一种选择重建技术栈。

营销宣传与工程验证仍是两回事。与此次发布相关的公开基准测试表主要采用 Nvidia 硬件。对于 Ascend 在相同模型、批次大小和延迟目标下的并列数据，公开资料则较为有限。公司还将此次发布定位为离线推理：适用于测量和集成，但并未完整披露大型生产集群所需的所有组件——例如跨节点缓存管理、负载均衡，以及不那么引人注目的控制平面。能在两种架构上编译只是第一步；经受住流量峰值才是真正的考验。

现有厂商也在给出自己的答案。Nvidia 一直在推出针对自家 GPU 优化的开放式和半开放式服务层，并不断迭代，以满足生产规模的编排需求。让不同后端实现平等的软​​件方案，必然会引来软件层面的回应，而回应者正是目前仍在出货最受追捧板卡的公司。

在更上游，围绕下一代训练芯片的合作讨论——联合设计、工程师参与，以及减少对海外供应依赖的期待——仍属于周期更长的事项。过去几轮“旗舰模型搭配国产旗舰加速器”的尝试告诉业界，应等待训练结果，而不是只看路线图。

目前，真正有意义的变化发生在服务层。中国运营商正面临推理需求激增，并为争取每一块可用加速器而奔走。拒绝在架构中绑定单一厂商的框架，能为采购和平台团队留出调整空间。Ascend 能否在这一空间中成为真正平等的选择，将由功耗、毫秒数和账单来决定，而不是由文档页面上支持矩阵的对称性来决定。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App